懂 VictoriaMetrics。本系列基于 VictoriaMetrics v1.146.0 LTS 版本Long-Term Support共规划 238 篇正文 12 篇附录覆盖架构设计、组件原理、存储引擎、查询引擎、工具链、运维实践、排障调优等 20 个维度。每一篇都从源码出发兼顾理论深度和实战落地。VictoriaMetrics 时序数据库 Prometheus MergeSet 云原生监控 Go 存储引擎 v1.146.0 LTS学习重点提示专题核心价值必须掌握架构设计哲学理解 VM 为什么能做到比 Prometheus 省 7x RAMMergeSet vs TSDB、LSM-less 设计存储引擎原理MergeSet 只合并不分层的 LSM-less 设计commonPrefix 压缩NearestDelta 编码完整组件体系vminsert/vmselect/vmstorage 三层架构12 种协议接入Cluster 模式性能优化方法论TSIDCache 37% 策略、blockCache 三层设计、rawRowsShards 分片专题扩展知识了解即可VictoriaLogs 日志一体化监控Enterprise vs OpenSource 功能差异vmagent/vmalert/vmauth/vmbackup 工具链与其他 TSDBInfluxDB/Thanos/Mimir的对比文章目录一、VictoriaMetrics 是什么为什么它是 Prometheus 的超级增强版二、250 篇源码专题全景导航20 个维度速览三、组件体系全貌从 HTTP 入口到 Part 文件的全链路四、核心性能优势为什么 VM 能做到省 7x RAM五、典型应用场景谁在使用 VictoriaMetrics六、学习路线图如何高效阅读这个专题七、FAQ常见疑问八、Roadmap后续预告一、VictoriaMetrics 是什么为什么它是 Prometheus 的超级增强版思考记忆提示 — 本节是专题的入口——弄清楚 VM 是什么、解决了什么问题才能理解后面每篇的定位VictoriaMetrics 是一个高性能、低资源占用的时序数据库兼容 Prometheus 生态核心优势比 Prometheus 省 7x RAM、支持集群模式、无限 cardinality、长期存储面试高频提问VictoriaMetrics 和 Prometheus 的区别是什么什么时候选择 VM 而不是 PrometheusVictoriaMetrics简称 VM是一个开源的时序数据库Time Series Database, TSDB专门为云原生监控场景设计。它与 Prometheus 完全兼容支持 Prometheus remote_write 协议、Grafana 数据源、以及 PromQL 查询语言。但 VM 的野心不止于兼容——它要做的是在保持兼容性的同时大幅超越 Prometheus 的性能和资源效率。我理解源码的意思是说可以把 VictoriaMetrics 想象成一个超级版 Prometheus——如果 Prometheus 是一台普通家用轿车那 VictoriaMetrics 就是一台经过深度改装的赛车同样的引擎PromQL 协议但性能资源效率提升了好几倍。具体类比如下Prometheus 单机数据库就像一台独立运行的数据库服务器数据存在本地磁盘受单机硬件限制。如果数据量太大几百万 time series内存就会爆掉OOM。而且不支持水平扩展——想要更大容量只能换更强的服务器垂直扩展成本呈指数增长。VictoriaMetrics 分布式集群版 Prometheus就像一个数据库集群可以横向扩展。想要处理更多数据多加几台服务器就行。而且 VM 还做了省油优化——同样的数据量VM 消耗的内存只有 Prometheus 的 1/7。类比详解如果 Prometheus 是一栋办公楼固定容量无法扩建VictoriaMetrics 就是一个园区可以无限扩建办公楼。更神奇的是同样的员工数量园区的能耗比单栋办公楼还低。兼容是关键VM 不是另起炉灶而是站在巨人的肩膀上。它完整实现了 Prometheus 的 API/api/v1/*和 remote_write 协议意思是Grafana 不用改配置PromQL 查询不用改语法告警规则不用重写——直接迁移无缝衔接。为什么能做到超级核心在于 VM 的三个技术创新① MergeSet 存储引擎不用 LSM Tree 的分层合并② TSIDCache 37% 策略热点数据缓存③ blockCache 三层设计数据块按需加载。这三个设计相互配合实现了数据按需加载而非全量常驻从而大幅降低内存占用。VictoriaMetrics 由 Aliaksandr Valialkin 于 2019 年创建最初是为了解决 PromscaleInfluxDB on PostgreSQL的性能和存储成本问题。经过多年发展VM 已经成为 CNCF 生态中最受欢迎的时序数据库之一GitHub 超过 17.2k stars被 Spotify、Roblox、Grammarly、DoorDash 等知名公司采用。1.1 VictoriaMetrics 的四大核心优势为什么选择 VictoriaMetrics 而不是 Prometheus 原生以下四个优势是 VM 脱颖而出的关键设计精髓VictoriaMetrics 的设计哲学是在不牺牲兼容性的前提下用更少的资源做更多的事。这体现在四个维度存储效率MergeSet 压缩、内存效率LSM-less 缓存策略、查询性能并行 k-way 归并、扩展性Cluster 模式。维度 Prometheus VictoriaMetrics 提升幅度RAM 占用 全量数据常驻内存 TSIDCache 37% blockCache 分层 省 7x水平扩展 不支持单机 Cluster 模式支持 无限扩展长期存储 需要 Thanos/Mimir 内置 retention 原生支持Cardinality 有限制 BloomFilter 动态调整 更高上限1.2 与 Prometheus 的关系不是替代是增强理解 VictoriaMetrics 和 Prometheus 的关系非常重要VM 不是要替代 Prometheus而是要解决 Prometheus 的局限性。Prometheus 仍然是一个优秀的抓取和告警工具但它的本地存储不适合大规模长期存储。VictoriaMetrics 提供了两种集成方式方式一Prometheus 远程写入 VM推荐Prometheus 继续负责抓取和告警评估数据通过 remote_write 协议写入 VictoriaMetrics。VM 作为长期存储和高效查询的后端。方式二vmagent 替代 Prometheus使用 vmagentVM 原生的轻量级抓取代理替代 Prometheus负责抓取和远程写入。注意VictoriaMetrics 不是 Prometheus 的 fork而是一个完全独立的实现。VM 使用了完全不同的存储引擎MergeSet vs Prometheus TSDB但通过完整实现 Prometheus 的 API/api/v1/*和协议remote_write来实现兼容性。必记闭环逻辑核心考点VictoriaMetrics 是一个与 Prometheus 完全兼容的时序数据库通过 MergeSet 存储引擎和 LSM-less 设计实现比 Prometheus 省 7x RAM同时支持 Cluster 模式无限水平扩展。它不是 Prometheus 的替代品而是 Prometheus 的超级增强版后端。二、250 篇源码专题全景导航20 个维度速览思考记忆提示 — 本节是专题的地图——快速定位你需要的文章避免迷失在 250 篇的海洋里专题按 20 个维度组织总计 238 篇正文 12 篇附录每个维度有明确的定位理论深度 vs 实战落地面试高频提问这个专题覆盖了 VM 的哪些方面如何快速找到我需要的文章250 篇听起来很多但通过 20 个维度的组织每一篇都有清晰的定位。以下是每个维度的定位和推荐阅读顺序2.1 维度速览表维度 篇数 定位 推荐阅读A. 架构设计篇 15 全局架构、设计哲学、组件关系 #01-#15 必读建立全局认知B. 组件深潜篇 25 按组件垂直深挖源码实现含去重专题写入/查询双阶段去重 #16-#40含 #29b 去重专题深入理解核心组件C. 存储引擎篇 15 storage/mergeset/encoding/cache #41-#55 核心理解性能基础D. 查询引擎篇 15 promql/metricsql/netstorage #56-#70查询优化必读E. 工具链篇 20 vmagent/vmalert/vmauth/vmbackup/vmgateway #71-#90运维必备F. 集成生态篇 10 Grafana/k8s/Prometheus Operator/HA/TLS #91-#100快速上手G. 排障调优篇 15 慢查询/cardinality/OOM/写入瓶颈/pprof #101-#115 实操问题诊断H. 进阶专题篇 15 decimal/bytesutil/fastcache/fs/consistenthash #116-#130深入理解I. 运维实践篇 15 迁移/k8s 部署/容量规划/对象存储 #131-#145生产环境J. 生产极限篇 15 10 亿 series/百万 samples-s/多租户 #146-#160大规模场景K. 源码追踪篇 15 完整链路追踪HTTP 到 Part 文件 #161-#175 硬核源码阅读L. VictoriaLogs 协同篇 10 LogQL/vlogscli/指标日志关联 #176-#185一体化可观测性M. 压轴总结篇 15 PromQL 深潜/性能极限/工程哲学 #186-#200收尾升华N. Cluster 集群专题篇 8 分布式架构/数据路由/查询聚合 #201-#208 生产核心O. vmgateway API 网关篇 5 认证/限流/路由/企业版特性 #209-#213API 网关P. vmui 前端技术篇 5 React UI/查询构建/Dashboard #214-#218用户界面Q. 安全加固专题篇 5 TLS/RBAC/审计日志/网络隔离 #219-#223安全加固R. 对象存储集成篇 5 S3/GCS/冷热分层/成本优化 #224-#228存储扩展S. 附录篇 12 速查地图/API 端点/错误码 A1-A12 工具书日常参考T. 服务发现专题篇 10 K8s/AWS/Azure/Consul/DNS 云厂商集成 #229-#238 必读监控采集总计 238 篇正文 12 篇附录 250 篇我理解源码的意思是说250 篇源码专题就像一本《VictoriaMetrics 源代码从入门到精通》——从目录设计到内容深度都是经过精心规划的目的是让读者能够从理论到实战从会用到底层原理全方位掌握这个项目。各维度的角色详解A 架构设计篇#01-#15 书的前言 概述 作者序。告诉你 VM 是什么项目、解决了什么问题、为什么这么设计读完脑子里要有 VictoriaMetrics 的整体轮廓三层架构vminsert/vmstorage/vmselect、MergeSet 存储引擎、Cluster 模式。目标建立全局认知而不是陷入细节。B 组件深潜 C 存储引擎#16-#55 书的核心技术章节。B 是解剖学——按组件垂直深挖源码实现C 是引擎原理——讲清楚 MergeSet 是怎么工作的、为什么能省 7x RAM。这是专题的硬核部分需要反复研读源码。D 查询引擎 E 工具链 F 集成生态#56-#100 书的应用实战章节。D 告诉你查询是怎么执行的E 介绍 vmagent/vmalert/vmbackup 等工具链F 教你如何与 Grafana/k8s/Prometheus Operator 集成。目标把理论落地到实践。G 排障调优 I 运维实践#101-#145 书的故障排除 运维手册。G 告诉你遇到 OOM、慢查询、cardinality 爆炸怎么办I 教你如何在生产环境部署、迁移、规划容量。这是下山历练——从理论到实战的桥梁。H 进阶专题#116-#130 书的高级进阶章节。深入 decimal/bytesutil/persistentqueue/histogram_quantile 等核心库的原理。这部分适合想要深入理解底层实现细节的读者。K 源码追踪#161-#175 书的案例研究章节。完整追踪一条数据的旅程从 HTTP 入口到 Part 文件、从 PromQL 解析到结果返回。如果前面的章节是拆解零件K 就是把零件组装起来运行——让你看到完整的系统是如何协同工作的。M 压轴总结#186-#200 书的升华 哲学思考。PromQL 深潜、性能极限、工程哲学。这部分帮助你从会用升华到理解为什么这样设计。N-T 专题篇#201-#238 书的专题附录。Cluster 集群、vmgateway API 网关、vmui 前端、安全加固、对象存储、服务发现。这是生产环境必备的高级话题。S 附录篇A1-A12 书的工具书部分API 速查表、错误码对照表、配置参数说明。日常开发运维时随手翻阅不需要按顺序读。学习避坑指南不要从中间开始——没有全局认知直接看源码会迷失在细节里不要只看不练——每篇都配套源码链接建议 clone 代码边看边调试附录是工具书——遇到问题时再查不需要提前背下来不要跳阶段——武功要一层层练心急吃不了热豆腐2.2 推荐阅读路径根据不同的学习目标这里提供三条推荐阅读路径路径一快速入门5 篇约 3 小时#01 设计哲学 → #02 全局架构 → #04 整体数据流 → #11 开源生态 → #12 源码阅读路线图路径二深度理解20 篇约 2 天完成路径一后继续 #41 MergeSet vs LSM Tree → #47 commonPrefix 压缩 → #51 压缩算法 → #54 TSIDCache → #56 PromQL 执行引擎路径三生产专家50 篇约 1 周完成路径二后系统阅读 G 排障调优篇#101-#115、I 运维实践篇#131-#145、J 生产极限篇#146-#160以及 K 源码追踪篇#161-#175必记闭环逻辑核心考点250 篇源码专题按 20 个维度组织覆盖理论深度A-M和实战落地G/I。推荐从 A 架构设计篇开始建立全局认知按需深入组件原理#16-#55和源码追踪#161-#175附录A1-A12作为日常工具书参考。三、组件体系全貌从 HTTP 入口到 Part 文件的全链路思考记忆提示 — 本节是专题的骨架——理解组件体系后续各篇才有上下文VM 分为三层vminsert写入→ vmstorage存储→ vmselect查询Single-Node 模式三合一Cluster 模式可分离部署面试高频提问VictoriaMetrics 的组件有哪些Cluster 模式下各组件如何协作VictoriaMetrics 的组件体系非常清晰。无论你是使用 Single-Node 模式还是 Cluster 模式理解这三级架构都是理解 VM 的基础。3.1 三层架构概述VictoriaMetrics 架构分层│├── [1] 应用层 (app/)│ ├── vminsert — 写入接入层Prometheus/InfluxDB/DataDog/OTel 等 12 协议│ ├── vmselect — 查询执行层PromQL/MetricsQL/GraphiteQL 查询调度│ └── vmstorage — 数据存储层Cluster 模式核心│├── [2] 存储核心层 (lib/storage/)│ ├── Storage — 全局协调器分区/缓存/基数限制│ ├── Table — 表级抽象按月分区生命周期│ ├── Partition — 分区级抽象In-Memory/Small/Big Parts indexDB│ └── indexDB — 倒排索引引擎8 种索引前缀│├── [3] MergeSet 存储引擎 (lib/mergeset/)│ ├── Table — 分片/合并调度/刷盘策略│ ├── Part — metaindex index items lens 四文件│ └── InmemoryPart — 内存未排序 Part按 pendingRowsFlushInterval 定时刷盘│└── [4] 压缩编码层 (lib/encoding/)├── MarshalType — 6 种压缩类型└── NearestDelta 算法 — Counter/Gauge 自适应差分编码 ZSTD3.2 Cluster 集群架构核心重点设计精髓VictoriaMetrics Cluster 是生产环境的标准部署模式三层分离vminsert/vmstorage/vmselect每层都可以独立水平扩展。通过 -cluster.mode 开启支持 accountID/projectID 多租户隔离支撑 100 万到 10 亿级 series 规模。Single-Node 模式仅用于快速验证和小型场景集群模式才是 VM 的主战场。以下是 VictoriaMetrics Cluster 的典型架构图生产环境标准部署特性 Single-Node Cluster进程数 1 个进程 3 种角色vminsert、vmstorage、vmselect扩展方式 垂直扩展加 CPU/内存/磁盘 水平扩展增加 vmstorage/vmselect 节点适用规模 100 万 series 100 万 ~ 10 亿 series推荐场景 本地开发、测试、小型监控 生产环境、中大